-
公开(公告)号：CN107182036A
公开(公告)日：2017-09-19
申请号：CN201710462919.6
申请日：2017-06-19
Applicant: 重庆邮电大学
CPC classification number: H04W24/08 , G06K9/6221 , G06K9/627 , H04W64/00
Abstract: 本发明公开了一种基于多维特征融合的自适应位置指纹定位方法，通过提出基于内容的定位，提高指纹定位效率；通过改进位置指纹定位实现过程，提出离线阶段信号强度数据预处理和指纹数据聚类分块的概念，减小指纹匹配的范围，提高定位效率，并且提出多维指纹的构建，除了传统的RSSI和参考点本身的坐标信息之外，加入磁场强度、加速度等进行辅助定位，提高定位精度。通过构建多维特征的指纹，在线匹配阶段可以进行多参数的匹配，从而提高定位精度；通过结合卡尔曼滤波和递推平滑滤波对RSS数据的处理，提高指纹数据的高可用性；通过提出指纹数据聚类分块的概念，提高指纹匹配的效率，最终为在线匹配阶段做充分的准备，具有推广应用的价值。
-
公开(公告)号：CN106209897A
公开(公告)日：2016-12-07
申请号：CN201610614132.2
申请日：2016-07-28
Applicant: 重庆邮电大学
IPC: H04L29/06
Abstract: 本发明涉及一种基于代理的软件定义网络分布式多粒度控制器安全通信方法，属于多域SDN网络的域间通信安全技术领域。该方法通过设计分布式多粒度安全控制器架构，包括控制器之间的消息数据包格式，利用控制器域和域间代理的连接、域间代理之间的连接建立通信隧道，完成控制器之间的邻居发现、两步身份认证和加密传输以实现多域网络控制器之间直接通信。在该通信方法中，基础设施基于安全控制器和域间代理，通过域间代理把控制平面的消息下发到数据平面传输，解决了独立控制平面之间的通信问题；同时，基于挑战响应机制和DTLS协议给出了控制器通信的两步认证方案，可以防御拒绝服务供给并完成身份认证，提高了安全性。
-
公开(公告)号：CN105426255A
公开(公告)日：2016-03-23
申请号：CN201510999364.X
申请日：2015-12-28
Applicant: 重庆邮电大学
IPC: G06F9/50
CPC classification number: G06F9/5088 , G06F9/5038 , G06F2209/5017 , G06F2209/5021 , G06F2209/503
Abstract: 本发明涉及一种Hadoop大数据平台中基于网络I/O代价评估的ReduceTask数据本地性调度方法，属于云计算平台优化技术领域。该方法通过评估以每个所记录的Host节点为ReduceTask执行节点时，其它节点上的Map输出数据拷贝到该Host节点的网络I/O代价，以此作为分配ReduceTask的优先权，来为优先权高的节点分配Reduce任务，从而达到降低Map输出数据拷贝到Reduce节点的网络I/O代价，使得所选Reduce节点具有最佳的数据本地性。该方法为ReduceTask的分配加入了数据本地性，从而使得Shuffle阶段的数据拷贝带来的网络负载降低，节省了Hadoop集群的网络带宽资源。
-
公开(公告)号：CN104507125A
公开(公告)日：2015-04-08
申请号：CN201510002834.0
申请日：2015-01-05
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种传感器网络中基于节点缓冲区占用率的退避方法，包括以下步骤：1)利用协调器在一个时隙内接收到的数据包个数，及一个超帧时隙内信道最多能传输数据包的个数，计算超帧时隙利用率；2)利用阈值对超帧时隙利用率进行分析，并动态调整占空比，降低传感器节点的能耗；3)利用MAC层缓冲区现存的数据包个数，得到节点缓存占用率，当其超过一定范围时，认为该节点负荷较重，应为其竞争信道提供便利；相反，若缓存中数据包不多时，可以让其保持现状或者增大该节点退避次数。该方法既能有效的解决传统算法对能耗的忽略，又能通过基于缓冲区占用率的自适应退避算法，使得每个传感器节点都能尽可能多的竞争到信道，传输数据包。
-
公开(公告)号：CN102026331B
公开(公告)日：2013-03-27
申请号：CN201010605822.4
申请日：2010-12-23
Applicant: 重庆邮电大学
Inventor： 尚凤军
CPC classification number: Y02D70/30
Abstract: 一种无线传感器网络上进行分布式多跳节能通信的方法。在簇头选择过程中能量大的节点优先成为簇头，能量相同的节点在竞争簇头过程中不会发生碰撞，簇头分布均匀。数据从簇头传输到基站过程中，将网络中均匀分布的簇头构造成一棵路由树，通过多跳传输的方式减少直接与基站通信的簇头节点数量，从而更进一步的降低能量开销。同时，该算法还限制了多跳路由的最短转发距离，降低了中间节点的电路开销，减少了多跳的数据转发次数，节省了网络的能量消耗，弱化了网络中的“热点问题”，节约了网络能量，保持了网络负载平衡，延长了网络的生命周期。
-
Patent Agency Ranking
公开(公告)号：CN102026331A
公开(公告)日：2011-04-20
申请号：CN201010605822.4
申请日：2010-12-23
Applicant: 重庆邮电大学
Inventor： 尚凤军
CPC classification number: Y02D70/30
Abstract: 一种无线传感器网络上进行分布式多跳节能通信的方法。在簇头选择过程中能量大的节点优先成为簇头，能量相同的节点在竞争簇头过程中不会发生碰撞，簇头分布均匀。数据从簇头传输到基站过程中，将网络中均匀分布的簇头构造成一棵路由树，通过多跳传输的方式减少直接与基站通信的簇头节点数量，从而更进一步的降低能量开销。同时，该算法还限制了多跳路由的最短转发距离，降低了中间节点的电路开销，减少了多跳的数据转发次数，节省了网络的能量消耗，弱化了网络中的“热点问题”，节约了网络能量，保持了网络负载平衡，延长了网络的生命周期。
-
公开(公告)号：CN118283708A
公开(公告)日：2024-07-02
申请号：CN202410367133.6
申请日：2024-03-28
Applicant: 重庆邮电大学
Abstract: 本发明属于通信领域，具体涉及一种基于深度强化学习的端边云协作式卸载方法；所述方法包括获取端边云系统当前时刻的多个目标卸载任务；根据所述多个目标卸载任务的依赖关系，确定每个所述目标卸载任务对应的待分配计算资源、卸载位置；根据每个所述目标卸载任务对应的卸载位置，确定所述目标卸载任务对应的奖励函数；根据每个所述目标卸载任务对应的卸载位置，在对应所在的本地设备、其他终端设备、边缘服务器或云数据中心按照待分配计算资源和对应的奖励函数进行卸载。本发明能够在端边云协作系统的通信场景下，更好的满足目标任务卸载需求；提高计算任务的执行效率并提升系统的计算资源利用率。
-
公开(公告)号：CN118037906A
公开(公告)日：2024-05-14
申请号：CN202410216049.4
申请日：2024-02-27
Applicant: 重庆邮电大学
IPC: G06T13/40 , G06V40/20 , G06V40/10 , G06V20/40 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机三维动画领域，具体涉及一种面向单目RBG视频的人体运动重定向方法；该方法包括：将二维关节点序列和重定向目标骨骼信息输入到全连接层进行处理，得到高维二维关节点特征和重定向目标骨骼特征；将重定向目标骨骼特征和添加空间位置编码后的高维二维关节点特征输入到双流重定向Transformer模块进行处理，得到聚合特征；将聚合特征输入到全连接层进行处理，得到三维动作特征；将三维动作特征输入到回归头进行处理，得到三维重定向动作结果；计算模型总损失并根据模型总损失调整模型参数，得到训练好的动作重定向模型；本发明能够准确地重定向人体运动信息，提高了动画制作的效率和质量。
-
公开(公告)号：CN117807544A
公开(公告)日：2024-04-02
申请号：CN202410116776.3
申请日：2024-01-26
Applicant: 重庆邮电大学
IPC: G06F18/2433 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06F123/02
Abstract: 本发明属于电力数据处理领域，具体涉及一种基于深度学习的电网异常数据智能检测方法；所述方法包括获取原始的电网时序数据；通过变分自编码器VAE模型对所述原始的电网时序数据进行降维处理，获得降维后的电网时序数据；通过Transformer模型对所述降维后的电网时序数据进行自注意力处理，获得具有上下文信息的电网时序数据；通过长短时记忆神经网络LSTM模型对所述具有上下文信息的电网时序数据进行预测处理，获得电网异常数据检测结果。本发明能够基于电网异常数据之间的时序关联关系，准确识别出异常结果。
-
公开(公告)号：CN117115770A
公开(公告)日：2023-11-24
申请号：CN202311192579.1
申请日：2023-09-15
Applicant: 重庆邮电大学
IPC: G06V20/56 , G06V10/82 , G06V10/26 , G06V10/80 , G06N3/0464
Abstract: 本发明属于自动驾驶技术领域，具体涉及一种基于卷积神经网络和注意力机制的自动驾驶方法，包括：获取路面信息，将路面信息输入到基于注意力机制的语义分割网络中，得到车道线识别预测图；将路面信息输入到基于注意力机制的目标检测网络，根据车道线识别预测图对图像中的目标进行识别，得到识别结果；根据识别结果进行汽车自动驾驶；本发明通过对注意力机制进行改进，使得网络模型更加关注于重要的图像区域，抑制噪声和干扰，并且提高对细节和关键目标的感知能力，提高检测和识别的精度和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.018 seconds)
